🤖 Chatbot Gemini avec FastAPI

Un chatbot intelligent propulsé par Google Gemini AI avec une API REST construite avec FastAPI et une interface web moderne.

🎯 Aperçu

Ce projet est un chatbot conversationnel intelligent qui utilise l'API Google Gemini pour générer des réponses contextuelles. Il comprend :

• Backend API : FastAPI avec gestion de l'historique des conversations
• Frontend : Interface web moderne et responsive avec Bootstrap 5
• IA : Google Gemini 2.5 Flash pour des réponses rapides et intelligentes

✨ Fonctionnalités

• 💬 Conversations contextuelles : Le bot se souvient de l'historique des messages
• 🚀 API REST : Endpoints FastAPI documentés automatiquement
• 🎨 Interface moderne : UI responsive avec Bootstrap 5 et animations
• 🔄 CORS configuré : Compatible avec les applications frontend
• ⚡ Performances : Réponses rapides grâce à Gemini 2.5 Flash
• 📝 Documentation automatique : Swagger UI intégré
• 🛡️ Gestion d'erreurs : Validation des entrées et messages d'erreur clairs

🏗️ Architecture

┌─────────────┐      HTTP      ┌──────────────┐
│   Frontend  │ ───────────────>│   FastAPI    │
│   (HTML/JS) │                 │   Backend    │
└─────────────┘                 └──────────────┘
                                       │
                                       │ API Call
                                       ▼
                                ┌──────────────┐
                                │ Google Gemini│
                                │      AI      │
                                └──────────────┘

📦 Prérequis

• Python 3.9 ou supérieur
• Une clé API Google Gemini (obtenir ici)
• pip (gestionnaire de paquets Python)

🚀 Installation

1. Cloner le repository

git clone https://github.com/Fried-06/Projet_chatbot.git
cd Projet_chatbot

2. Créer un environnement virtuel

# Linux/Mac
python3 -m venv .venv
source .venv/bin/activate

# Windows
python -m venv .venv
.venv\Scripts\activate

3. Installer les dépendances

pip install -r requirements.txt

4. Configurer les variables d'environnement

Créez un fichier .env à la racine du projet :

cp .env.example .env

Éditez .env et ajoutez votre clé API :

GEMINI_API_KEY=votre_clé_api_ici
GEMINI_MODEL=gemini-2.5-flash

⚙️ Configuration

Fichier .env

Variable	Description	Valeur par défaut
GEMINI_API_KEY	Clé API Google Gemini	Obligatoire
GEMINI_MODEL	Modèle Gemini à utiliser	gemini-2.5-flash

Modèles disponibles

• gemini-2.5-flash : Rapide et économique (recommandé)
• gemini-2.5-pro : Plus puissant mais plus lent
• gemini-flash-latest : Dernière version stable

🎮 Utilisation

Démarrer le serveur

uvicorn app.main:app --reload

Le serveur démarre sur http://localhost:8000

Accéder à l'interface

1. Interface web : Ouvrez frontend.html dans votre navigateur
2. API Docs : http://localhost:8000/docs
3. ReDoc : http://localhost:8000/redoc

Tester l'API avec curl

curl -X POST "http://localhost:8000/api/chat" \
  -H "Content-Type: application/json" \
  -d '{"message": "Bonjour, comment ça va ?"}'

📚 API Documentation

Endpoints

POST /api/chat

Envoie un message au chatbot et reçoit une réponse.

Request Body :

{
  "message": "Votre message ici"
}

Response :

{
  "response": "Réponse du chatbot"
}

Exemple avec Python :

import requests

response = requests.post(
    "http://localhost:8000/api/chat",
    json={"message": "Bonjour !"}
)

print(response.json()["response"])

Exemple avec JavaScript :

fetch("http://localhost:8000/api/chat", {
  method: "POST",
  headers: {
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    message: "Bonjour !",
  }),
})
  .then((response) => response.json())
  .then((data) => console.log(data.response));

GET /

Page d'accueil de l'API.

Response :

{
  "message": "Chatbot API is running"
}

📁 Structure du projet

chatbot-gemini-fastapi/
│
├── app/
│   ├── __init__.py
│   ├── main.py                 # Point d'entrée FastAPI
│   ├── api/
│   │   ├── __init__.py
│   │   └── chat.py             # Routes de l'API
│   ├── core/
│   │   ├── __init__.py
│   │   └── config.py           # Configuration et settings
│   ├── memory/
│   │   ├── __init__.py
│   │   └── conversation.py     # Gestion de l'historique
│   ├── models/
│   │   ├── __init__.py
│   │   └── schema.py           # Modèles Pydantic
│   └── services/
│       ├── __init__.py
│       └── llm_services.py     # Logique Gemini AI
│
├── frontend.html               # Interface utilisateur
├── .env                        # Variables d'environnement (à créer)
├── .env.example                # Template pour .env
├── .gitignore                  # Fichiers à ignorer par Git
├── requirements.txt            # Dépendances Python
└── README.md                   # Ce fichier

🛠️ Technologies utilisées

Backend

• FastAPI - Framework web moderne et rapide
• Uvicorn - Serveur ASGI haute performance
• Pydantic - Validation des données
• Google Generative AI - API Gemini

Frontend

• Bootstrap 5 - Framework CSS
• Bootstrap Icons - Icônes
• Vanilla JavaScript - Pas de framework JS

Outils

• Python-dotenv - Gestion des variables d'environnement

🔧 Développement

Installer les dépendances de développement

pip install -r requirements-dev.txt

Lancer les tests

pytest

Format du code

black app/
isort app/

Linting

flake8 app/
pylint app/

🐛 Dépannage

Erreur : "API key not valid"

• Vérifiez que votre clé API est correcte dans le fichier .env
• Assurez-vous que la clé n'a pas été révoquée sur Google AI Studio

Erreur : "Model not found"

• Vérifiez que le nom du modèle dans .env est correct
• Utilisez gemini-2.5-flash au lieu de gemini-1.5-flash

Erreur CORS dans le frontend

• Assurez-vous que le serveur backend est démarré
• Vérifiez que CORS est bien configuré dans app/main.py

L'historique ne fonctionne pas

• L'historique est stocké en mémoire et sera perdu au redémarrage
• Pour une persistance, voir la section Améliorations futures

🚀 Déploiement

Heroku

# Créer un Procfile
echo "web: uvicorn app.main:app --host=0.0.0.0 --port=${PORT:-8000}" > Procfile

# Déployer
heroku create votre-app-name
git push heroku main
heroku config:set GEMINI_API_KEY=votre_clé

Docker

# Dockerfile
FROM python:3.12-slim

WORKDIR /app

COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt

COPY . .

CMD ["uvicorn", "app.main:app", "--host", "0.0.0.0", "--port", "8000"]

# Build et run
docker build -t chatbot-gemini .
docker run -p 8000:8000 --env-file .env chatbot-gemini

🎨 Personnalisation

Changer le modèle Gemini

Dans .env :

GEMINI_MODEL=gemini-2.5-pro  # Modèle plus puissant

Modifier les paramètres de génération

Dans app/services/llm_services.py :

generation_config=genai.types.GenerationConfig(
    max_output_tokens=2000,    # Longueur max de la réponse
    temperature=0.9,           # Créativité (0-2)
    top_p=0.95,               # Diversité
)

Personnaliser l'interface

Modifiez frontend.html :

• Couleurs : Changez le gradient dans le CSS
• Texte : Modifiez le titre et le message de bienvenue
• Icônes : Utilisez d'autres icônes de Bootstrap Icons

🌟 Améliorations futures

• 💾 Persistance avec base de données (SQLite/PostgreSQL)
• 👤 Système d'authentification utilisateur
• 📊 Dashboard d'analytics
• 🎤 Support de la reconnaissance vocale
• 🖼️ Support des images avec Gemini Vision
• 🌍 Internationalisation (i18n)
• 🔄 Streaming de réponses
• 📱 Application mobile React Native
• 🎨 Personnalités multiples du bot
• 📤 Export de conversations

🤝 Contribution

Les contributions sont les bienvenues ! Pour contribuer :

1. Fork le projet
2. Créez une branche (git checkout -b feature/AmazingFeature)
3. Committez vos changements (git commit -m 'Add some AmazingFeature')
4. Push vers la branche (git push origin feature/AmazingFeature)
5. Ouvrez une Pull Request

Guidelines de contribution

• Suivez le style de code existant (PEP 8)
• Ajoutez des tests pour les nouvelles fonctionnalités
• Mettez à jour la documentation si nécessaire
• Assurez-vous que tous les tests passent

📄 License

Ce projet est sous licence MIT. Voir le fichier LICENSE pour plus de détails.

👨‍💻 Auteur

David - @votre-username

🙏 Remerciements

• Google pour l'API Gemini
• FastAPI pour le framework
• Bootstrap pour l'interface
• La communauté open source

📞 Contact

• GitHub : @votre-username
• Email : votre.email@example.com
• LinkedIn : Votre Profil

⭐ Star History

Si ce projet vous a aidé, n'hésitez pas à lui donner une étoile ⭐

---

Fait avec ❤️ et Python